周剑铭 柳渝:智能哲学:“第三问题”与图灵的“模仿游戏”

选择字号:   本文共阅读 1521 次 更新时间:2017-07-22 17:30

进入专题: 图灵   人工智能   智能哲学  

周剑铭   柳渝  


摘要:从“图灵机”到“模仿游戏”表现了图灵从计算机到人工智能研究的思想的一致性和连续性,正如1936年论文是对希尔伯特第十问题的深刻性解决,图灵的关于“机器思维”、“机器智能”的论文也提供了对人、机、智能三者关系(第三问题)的多层次全方位研究观点和实体模式,“模仿游戏”也是对波普“世界3”理论和物理学“三体问题”的深入研究的一个多层次关系模型。图灵对“模仿”、“学习”和“通用人工智能”的深层揭示仍然是我们今天所面对最迫切的人工智能问题作出回应的道路。


一、从“图灵机”到“模仿游戏”


1950年,图林(Alan Mathison Turing 1912-1954)来到曼彻斯特大学,这年10月, 他的论文“计算机与智能”( Computing  machinery  and  intelligence. Mind,  59, 433- 460)发表在哲学期刊“心灵”(MIND)上,提出了著名的“模仿游戏”(Imitation Game)即后来所称的“图灵检验”(Turing Test, TT)。


这篇文章被广泛地理解为,图灵肯定了机器是可以和人一样思维的,但这是一种误解,图灵的论文的本意是提出机器可以“模仿”人的思维活动,图灵所有有关机器思维的思想都是建立在这个基础上。图灵一方面肯定机器具有这种基于模仿的思维能力,这篇文章以大量的篇幅对那些认为机器不会具有“思维”能力的论点进行了反驳;另一方面,图灵认为在没有真正理解人的心理、意识活动之前,我们只能以这种“模仿”方式进行机器思维的研究和测验。因此图灵实际上是在两方面同时展开论辩,即批驳对机器能力的轻视,又不同意机器的思维与人的思想、意识可以直接比较,这种超越时代的眼光正是图灵工作易被人误解或难于被人理解的原因,直到今天,包括图灵1936论文(Entscheidungsproblem)在内的工作仍然没有得到充分的和正确的理解。


图灵在“计算与智能”这篇文章的开始,就拒绝给“机器”、“思维”做出定义,而是提出了以“模仿游戏”去代替“机器能思维吗”这样的问题,这种思想风格与图灵1936年论文解决希尔伯特第十问题的道路如出一撤。在1936年论文中他不是从概念、数学、逻辑上或集合论这样的抽象方法上去寻求问题的解决,而是将问题实时化,在实体过程中观察、分析问题,得到算法与逻辑判断之间的本质区别,他建立了著名的“图灵机”算法模型,并以此解决了希尔伯特第十问题,在图灵后续研究工作中对“机器思维”和人、机之间的比较依然是这样的道路,因此“模仿游戏”可以看作是“图灵机”之后的另一种非图灵机的模式。


在“机器与智能”这篇论文和另一篇论文“机器智能, 一种异端理论”(posthumous essay:Intelligent machinery, a heretical theory)中,图灵多次提到具有“随机元素”的计算机,“有些时候这样的机器被描述为具有自由意志”,这实际是图灵1936年论文中提到但未展开研究的“C机器”的一种,图灵思想中的C机器具有某种外部性,这正是一种不同于可计算意义的“图灵机”的本质。


图灵的这些思想没有继续发展下去,这比图灵机的研究更困难,因此图灵的这些思想在他的文章中并不系统和有条理,图灵不是一个哲学家,但也正是这一点使他能从技术深度上接近最深刻的哲学和逻辑问题,而且图灵也远不是一个论说家,但和人们所拜读的晦涩而洋洋的哲学著作相比,图灵的研究中的思想道路的一致性的是坚实可触的。迄今为止,“图灵机”仍然蒙着一种神秘的面纱,而“模仿游戏”的丰富意义和价值更没得到人们的基本理解,“模仿游戏”中的“模仿”与作为算法的“图灵机”一样,都是图灵对计算机理论和人工智能的不朽贡献。今天人工智能高速发展后面隐含的沉重问题,迫使人们回过头去寻求图灵的智慧。


二、“模仿游戏”——一个开放的多层次复杂关系体系


“模仿游戏”是一个仅由语言沟通的询问者去判断二个努力证明自己是女人而其中一个却是男人的游戏,图灵的目的并不在于这个询问者如何去判断对方的真或假,而是去考察:“与两个人玩游戏相比,让一个机器去充当男人,这个游戏的判断者发生错误的几率是否发生变化?”图灵的目的就是让这两种询问的结果相同与否去代替“机器能思维?”的问题,图灵深藏思想实际是,如果机器仅限于使用人的语言方式去模仿人,人可能无法分辨(今天已几近实现了),但这个思想的深远性似乎从未被人领会。


机器能模仿是一个事实,图灵并没有去研究对“模仿”这个概念的解释,而是像研究“图灵机”一样,图灵设计一种实在的场景,让人机对话的交流在三个层次上展开:人与人的交流,人与冒充人的机器,第三方判断者的智力,事后的统计评价。所以与“图灵机”的封闭性不同,“模仿游戏”是一个开放的多层次的研究、检验体系,正是在这个意义上,“模仿游戏”具有人、机在智能上进行对比研究的真正价值。


随着人工智能科学和技术的飞速发展,图灵的“模仿游戏”被后继者以“图灵检验”(Turing Test  TT)更表面化的形式替代了,但不管在理论广度和技术水平上如何提高,图灵原来所赋予的意义仍是深刻包含的。


比如,约翰·希尔勒(John Searle)于1980年以“中文屋子”(the Chinese Room Argument)的例子提出了“图灵检验”中所包含的对语言的“理解”问题,希尔勒以这个模式表明,一个胜任翻译工作的机器并没有对语言的理解能力,以此说明(弱)人工智能并不等于人的智能,但这个结论实质是,机器“翻译”只不过是机器对人使用语言的“模仿”,因此不会等于人使用语言,也就不会理解语言。


图灵以“机器模仿”替代“机器思维”的真正思想几被人忽略,所以直到今天仍没有建立起有一种公认的“图灵检验”模式。


图灵没有提出机器“学习”,“学习”这个概念比“模仿”更复杂、深刻,因此今天当人们研究“机器学习”时,应当从图灵的“模仿游戏”去寻找启示。可以肯定,“模仿游戏”还包含有更多的东西。


三、图灵:在“模仿”与真实之间折冲


在这篇文章中,图灵一方面解释数字电子计算机的基本原理和可预见的巨大计算能力,另一方面又要回避对人、机进行同质比较,在常识认知的两种狭缝之间,去解释机器与人的可比较和不可比较性,以证明他的“模仿游戏”的必要,所以图灵的论说中,思维跳跃曲折,这些似乎捉摸不定的思路令人不易轻松阅读。


图灵说,反对机器具有思维能力的观点中,来自神学的观点或出于对机器能力的考虑等,都不成为理由,但第三种情况来自著名的哥德尔定律,由哥德尔定律可以引伸到机器能力是受自身局限的,而人类的智能则没有这种限制性。但图灵指出,问题在于,论辩的关键在于哥德尔定律只适用于机器,而不能用于人,所以不能将哥德尔定律用到人、机的能力比较上作证据使用。由此可以看出图灵认为,对人的智能不能有某种确定性的限制,这种基调贯穿了图灵所有的对机器智能的看法。


机器不如人的一个流行观点是:若要我们承认机器与大脑是一样的,除非机器能够感受感情。基于图灵的模仿模式,图灵提出了限定以语言形式来设想的人、机的对话,在这个对话中让机器与人讨论十四行诗中表达的感情:


人:你的十四行诗的第一行这样呤唱:“我欲比君为夏日”,如果将“夏日”改成“春日”,是不是也可以,或许更好?


机器:这样一改便不合韵了。


人:改为“冬日”怎么样?这样也合韵的。


机器:可以。但没有人愿意将自己比作冬日的。


人:你认为匹克威克先生会使你联想起圣诞节吗?


机器:在某种方面,会的。


人:但是圣诞节是在冬天,我想匹克威克先生不会留意这种比较吧。


机器:我在想你不会这样死板吧,“冬日”只不过是冬天的一个普通的日子,而不像圣诞节那样特殊的一天。


这个人、机对话中,机器的表现出能胜任这样的有关感情问题的讨论,但图灵指出,这种“模仿”以语言表达感情的机器只能与功能机器(录音播放器)相比较具有意义,并不能作为人机比较的方法。图灵在这篇论文的另一处说,机器的能力常使我们“吃惊”,是因为我们对机器的程序能力估计不足,但人的“大吃一惊”是出于心理活动。图灵的分析告诉我们,在“感情”方面人、机的表达具有完全不同的层次。


但图灵并没有直接再深入讨论机器是否能“模仿”人的意识的问题,图灵认为人的“意识”是一个“迷”,在未解决这个“迷”之前,我们只能以“模仿”的模式研究人机之间的比较问题。


图灵还分析相关的其它问题, 无论是认为机器的能力有限,机器会犯错误,都是基于这个观点论述的,比如一般认为机器没有主体性,图灵说这是一台机器的单一能力与所有的机器能力之间的混淆,机器的功能可以集合所有的机器功能理解,因此不能从一台单一机器上说机器能力有限制或没有主体性,但另一方面,又不能认为机器的主体性与人的主体性相同,“在进行哲学讨论时,我们很容易忽视发生这种错误的可能性,这样的话,我们实际上是在谈论‘抽象的机器’,而这些抽象的机器与其说是实在的物体倒不如说是数学的虚构。”在这两种困难之间,图灵解释说,如果把主体“思维”理解成机器解决问题的“主题”,则不会有困难。


机器能创新吗?从程序的性质上看,机器是不能创新的,但是机器可以模仿程序员的行为。但一个实际的程序员总是能够知道他们需要做什么,如果一个人想让机器模仿程序的编程操作,他必须告诉计算机要做什么,即事先编入程序。图灵认为如果机器能模仿“富于想象力的心理活动”,则不管人或机器都能表现创造性能力。但这个前提是“编程”(可以叫元编程),因此,程序的“创造力”仍只是一种模仿。


从常识上说,离散状态机器同连续机体不大一样,因此我们不可能用一个(数字)离散状态系统去模仿(连续性的)神经系统的行为,图灵认为,数学微分方法可以弥补这一点。图灵这个似乎轻松的证据后面有一种暗示,微积分诞生时所发生的激烈的争论在新的形势下有可能复燃。


在“心灵”问题上,图灵指出, “心灵一但接受了某个事实,由此事实所引起的一切后果都会同时涌入心灵”,而机器“仅仅从数据和普遍原则得出结论会毫无效力可言”,这两者也是不可直接比较的。类似的,作为人的规律与机器的规则也有可比较与不可比较的方面。在这篇不长的论文中,图灵几乎概括了人与机器之间相比较的方方面面,甚至心灵感应这样的超心理学问题,在各种各样的情况分析中,图灵思想一致地表明,在能力无可限量的人工智能和未能定义的人的智能之间,只有“模仿游戏”才是适当的中间研究方式。


四、“临界”理论与 “学习机器”


图灵关于人的思想与机器思维的区分概念是“临界”状态(critical condition),图灵说:“另一个比喻就是一个低于临界体积的原子反应堆:输入的想法就像从原子堆外部轰击的中子。这些中子会引起一些反应但是最后将归于消失。但是,如果原子堆的大小变的足够大的时候,中子产生的链式反应很可能会一直进行下去并持续的增加,直到原子堆发生爆炸。思维中是否存在这样的现象呢?机器中呢?人的头脑中是否存在这样的现象?人脑中似乎是这样的,他们大多数都处于"亚临界"状态,相当于亚临界体积的原子反应堆。一个想法出现这样的头脑中,平均下来只会产生少于一个的想法。有一小部分头脑处于超临界状态,进入其中的想法将会产生越来越多的想法,最终上升为一个由二级、三级和更深远的想法组成的完整的‘理论’。动物的头脑肯定是亚临界状态的,由于这种对比,我们可以问:‘一个机器能不能制造成超临界的?’”


这种“临界”状态的区别正是后来以数学形式表达的“多项式时间”(Polynomial time)与“指数时间”(Exponential time),这两者的关系也就是被列为廿世纪“千禧年难题”之一的“P vs. NP”问题。


图灵还以剥洋葱作比喻,寻找机器中的思维就像剥洋葱,一层层剥下去最终什么都没有。


与这种相当于成年人思维方式的普通编程不同,图灵分析了对儿童的教育过程,设想模仿儿童的学习建立 一种“学习机器”(Learning  Machine),图灵设想分两部份,设计一种“儿童程序”,对这个程序的教育过程,这两部份紧密配合(We have thus  divided our  problem  into  two parts. The  child programme and  the education  process.  These  two remain  very closely connected),这不就是我们今天的AI中的一个主流“机器学习”(Mechine leaning)吗?即在计算机中基于ANN回归拟合的建模程序和对这个程序的极大量的样本训练。更惊人的是图灵认为,这样的研究不应当只在一台机器上进行,而要在多台机器比较中进行“进化”选择,而人就相当于“自然选择者”:


structure  of the child machine  (儿童机器的结构)=  hereditary  material (遗传物质)


Changes of the child machine (儿童机器的改进) =  mutation (变异)


Natural  selection (自然选择)  =  judgment of the  experimenter (试验者的决定)


图灵的这种远见已是现在的各种人工智能研究道路和方法的竞争中的现实,只是人们在一些具体的大型研究项目中意识到。


在图灵的思想意识中,人始终是高于机器层次的,而且图灵对机器智能的基本性质的思想是清晰的,与他的1936年论文的逻辑是一致的。图灵的论述表明,“学习机器”是一个永远的人工干预过程,这可以看作是他的1936年论文中未展开的具有外部性的“C机器”的本来面貌。


正是在这个意义上,可以认为,不存在一种类似图灵机的通用元程序来实现“机器学习”, 可以简单概括说,存在(万能)“图灵机”,但不存在万能(通用)人工智能。这一点也正是我们现在所研究的“智能哲学”的一个基本思想,这个思想是我们的不确定性问题(NP)理论的自然延续。


五、“第三问题”与“模仿游戏”


图灵深刻地理解人与机器的比较的困难在于人是无法界定的,一个具有确定性的机器无法去与一个具有不确性的对象进行比较,这是一个在传统哲学中隐藏得很深的困难问题,直到上世纪波普提出“世界3”理论才正式把这个问题表达出来,但“世界3”理论并没有得到有力的支持和继续深入展开,困难在于,“世界3”理论没有提供一个与传统哲学中的“主、 客”关系不同的三方关系模式,物理学中著名的“三体问题”无解是建立在可确信的物理体系与物理定律的基础上,但哲学理论中没有这样的前提条件,所以“世界3”理论只是一个概念关系,没有一个可供展开研究的理论平台,这种困难我们称之为“第三问题”。


图灵的研究不是从哲学论域出发的,他的“模仿游戏”却正是这样一个三方实体关系模式,把最困难的三方关系以一种多层关系模式表达出来,其价值和发展远景不可估量,在这个意义上,图灵的“模仿游戏”与“图灵机”模型一样具有不朽的价值。


六、路在脚下


图灵作为一个杰出的密码和计算机技术专家,对机器智能的认识却是基于他对人性的直觉,因此他一方面对计算机技术的巨大潜力满怀信心,另一方面也深知人与机器之难以逾超的鸿沟:


“由哥德尔定律和类似论据,一个人可以明白,无论机器构造如何,机器难逃一定能给出一个答案的死结,但另一方面,一个数学家总可以得到(他们努力想得到的东西)”(By Godel’s famous theorem, or some similar argument, one can show that however the machine is constructed there are bound to be cases where the machine fails to give an answer, but a mathematician would be able to.)图灵举了费马大定律(Fermant's last theorem)证明的例子,无论这个定律或真或假,数学家能坚持数百年不歇的努力。读到这里,不得不为图灵的卓识远见而赞叹,更为人类的尊严和情操所感奋。


图灵更看到现实世界中这种情况的复杂性和对人的能力的洞察:“从另一方面看,机器具有对数学家的明显的优势,如果没有机器发生崩溃,机器总是可以依靠的,而数学家总会犯错误。但我相信,数学家犯错误的危险恰恰是他们具有偶然能发现全新的方法的能力的必然结果,这一点可以由众所周知的事实支持,在大多数认为是可靠的人那里很少会有新的实用新方法。”(“On the other hand, the machine has certain advantages over the mathematician. Whatever it does can be relied upon, assuming no mechanical 'breakdown', whereas the mathematician makes a certain proportion of mistakes. I believe that this danger of the mathematician making mistakes is an unavoidable corollary of his power of sometimes hit-ting upon an entirely new method. This seems to be confirmed by the well known fact that the most reliable people will not usually hit upon really new methods.)


图灵的文章精简而层次复杂,文风跌宕折冲,几无人欣赏,这是由他对所面对的问题的理解深度决定的,虽然他从不被认为是一个哲学家,但他所达到的对人的机器与人的智能(包括社会常识)的认知深度迄今无人能及,图灵一方面对计算机的能力做出了当时的人无法想象的预期,另一方面又深刻地洞察到这种机器能力与人的能力之间没有确定性的比较方法,“智能机器,一种异端的理论”的标题,他就用了heretical 异端(于人)这个词表达了这种艰难评价的心情。“异端”于人,正是“世界3”和“三体问题”意义上的第三方关系。


对于我们今天这个时代来说,图灵的过去的敏感、复杂和深刻已经成了迫切的现实,在人类面临历史和现实的双重选择前,我们可以重述图灵曾经的回答:


“我们希望机器最终能和人在所有的纯智能领域竞争,但是何处是最好的工作起点?……我每次都不会知道正确的答案是什么,但是我想两方面都应该试试。


我们的目光所及,只是不远的前方,但是可以看到,那里有许多工作要做。”


We may hope that machines will eventually compete with men in all purely intellectual fields.  But which are the best  ones to start  with? ……  Again I  do not  know  what the  right answer is, but  I think both  approaches  should  be tried.


We can only see a short distance ahead,but we can see plenty there that needs to be done。


参考资料来源:

A.M. Turing, Computing machinery and intelligence, Mind, 59, 433- 460,1950.

A.M. Turin, Intelligent Machinery, http://www.npl.co.uk/about/history/notable-individuals/turing/intelligent-machinery

A.M. Turing, Intelligent machinery, a heretical theory, PHILOSOPHIA MATHEMATICA (3)Vol.4 1996, pp.256-260

http://www.turingarchive.org/

周剑铭, 论中国思想系列文章, 网文

周剑铭 柳渝, 不确定性问题(NP)理论系列, 网文

周剑铭 柳渝: 智能哲学系列,  网文


    进入专题: 图灵   人工智能   智能哲学  

本文责编:zhenyu
发信站:爱思想(https://www.aisixiang.com)
栏目: 学术 > 哲学 > 科学哲学
本文链接:https://www.aisixiang.com/data/103516.html
文章来源:爱思想首发,转载请注明出处(https://www.aisixiang.com)。

爱思想(aisixiang.com)网站为公益纯学术网站,旨在推动学术繁荣、塑造社会精神。
凡本网首发及经作者授权但非首发的所有作品,版权归作者本人所有。网络转载请注明作者、出处并保持完整,纸媒转载请经本网或作者本人书面授权。
凡本网注明“来源:XXX(非爱思想网)”的作品,均转载自其它媒体,转载目的在于分享信息、助推思想传播,并不代表本网赞同其观点和对其真实性负责。若作者或版权人不愿被使用,请来函指出,本网即予改正。
Powered by aisixiang.com Copyright © 2023 by aisixiang.com All Rights Reserved 爱思想 京ICP备12007865号-1 京公网安备11010602120014号.
工业和信息化部备案管理系统